[发明专利]一种基于多任务检测模型的检测方法及车辆

说明书

本发明涉及计算机技术领域，具体提供一种基于多任务检测模型的检测方法及车辆，旨在解决现有多任务检测模型的训练效果较差，难以应用到各个场景的检测中的问题。为此目的，本发明基于多任务检测模型的检测方法包括：通过多任务检测模型获取感知数据的检测结果，其中，可通过以下步骤训练多任务检测模型：根据多任务检测模型中每个检测头每次迭代训练时的收敛程度对相应检测头的损失权重进行调整，越收敛的检测头，损失权重越小，以实现自适应地进行不同检测头损失权重的调整；基于各个检测头调整后的损失权重，实现对待训练的多任务检测模型的该次迭代训练，优化了多任务检测模型的训练过程，提高了多任务检测模型整体的训练效率和检测准确性。

技术领域

本发明涉及计算机技术领域，具体提供一种基于多任务检测模型的检测方法及车辆。

背景技术

多任务检测模型作为一种简单有效的模型优化和加速方式，在自动驾驶感知系统等复杂人工智能系统中有广泛应用，以应用于自动驾驶感知系统为例，多任务检测模型可以以多个不同种类车载传感器采集的自动驾驶场景信息作为输入，并基于多任务检测模型的多个检测头完成不同任务的检测，实现对周围环境信息进行全面建模。

多任务检测模型可以保证不同任务间信息的共享和互补，同时平衡系统的复杂性和实时性需求，但对多任务检测模型进行训练时， 因不同任务对应的收敛速度、数据量等的不同，难以将整个多任务检测模型训练到较好的状态。相关技术中有基于梯度归一化或预设损失权重的方法来对多任务检测模型进行优化，但存在实现较为复杂、对经验有较强依赖、需要频繁人工调整或收敛慢等问题，难以应用到各个场景的检测中。

发明内容

本发明旨在解决上述技术问题，即，解决现有多任务检测模型的训练效果较差，难以应用到各个场景的检测中的问题。

在第一方面，本发明提供一种基于多任务检测模型的检测方法，其包括：

将感知数据输入包括多个检测头的多任务检测模型，得到所述多个检测头的检测结果，其中，通过以下步骤训练所述多任务检测模型：

根据每个检测头在每次迭代训练时的收敛程度，对相应检测头的损失权重进行调整，越收敛的检测头，损失权重越小；

基于各个检测头调整后的损失权重，实现对待训练的多任务检测模型的该次迭代训练。

在一些实施例中，所述根据每个检测头在每次迭代训练时的收敛程度，对相应检测头的损失权重进行调整，包括：

获取每个检测头在每次迭代训练时的计算损失值与各自的目标损失值的差值绝对值；

计算各个检测头的差值绝对值占所述多个检测头的差值绝对值之和的占比，得到各个检测头在该次迭代训练时的损失权重；

更新相应检测头的损失权重为该次迭代训练时的损失权重。

在一些实施例中，所述根据每个检测头在每次迭代训练时的收敛程度，对相应检测头的损失权重进行调整，包括：

基于每个检测头在前预设迭代次数的迭代中获得的多个历史损失值，获取每个检测头的所述多个历史损失值的相关值；

计算各个检测头对应的所述相关值占所述多个检测头的相关值之和的占比，得到各个检测头在该次迭代训练时的损失权重；

更新相应检测头的损失权重为该次迭代训练时的损失权重。

在一些实施例中，所述相关值为平均值或标准差。

在一些实施例中，所述基于各个检测头调整后的损失权重，实现对待训练的多任务检测模型的该次迭代训练，包括：

基于所述各个检测头该次迭代训练得到的所述调整后的损失权重与该次迭代训练时的计算损失值进行加权求和，得到所述多任务检测模型的总损失值；